इंसान नहीं अब रोबोट करेगा बात? Google लाया वीडियो कॉल पर बातें करने वाला AI अवतार
Google ने एक नए अपडेट के साथ ही एक बड़ा धमाका भी कर दिया है।
अब वीडियो कॉल पर आपके स्थान पर आपको AI Avatar बातें करने वाला है।
आइए जानते हैं कि आप इंसान से बातें करने वाले हैं कि रोबोट से?
आर्टिफिशियल इंटेलिजेंस की दुनिया में गूगल की ओर से एक बड़ा और बेहद ही क्रांतिकारी कदम उठाया गया है। जानकारी के अनुसार कंपनी ने अपने नए AI Avatar को पेश कर दिया है, जो सबसे बेस्ट वॉयस मॉडल को एक डिजिटल 'इंसानी चेहरा' प्रदान कर देने वाला है। कंपनी ने आधिकारिक तौर पर Gemini 3.8 Live with Live Avatar को लॉन्च कर दिया है, जो सीधे वीडियो कॉल पर इंसानों की तरह आमने-सामने बातचीत करने में सक्षम है। यह नया एआई अवतार न केवल यूजर की बातें सुन सकता है, बल्कि कैमरे के जरिए यूजर और उसके इर्द गिर्द की चीजों को देख भी सकता है। इसके साथ ही यह लगभग रीयल-टाइम में नेचुरल फेशियल एक्सप्रेशन्स और सटीक लिप-सिंक के साथ वॉयस व वीडियो दोनों माध्यमों से जवाब भी देने में पूरी तरह से सक्षम है।
किन लोगों के सबसे काम आएगा ये नया और सबसे बड़ा अपडेट?
गूगल ने साफ तौर पर यह जानकारी दे दी है कि इस विजुअल एआई अवतार को खासतौर पर एंटरप्राइज और बिजनेस यूजर्स के लिए डिजाइन किया गया है। इसका उपयोग भविष्य के 24x7 ऑटोमेटेड कस्टमर सपोर्ट, वर्चुअल असिस्टेंट और किसी भी प्रोडक्ट या सर्विस के इंटरैक्टिव लाइव वॉकथ्रू के लिए किया जाएगा। वर्तमान में यह फीचर Gemini Enterprise के जरिए बिजनेस सब्सक्राइबर्स के लिए रोलआउट किया जा चुका है, जबकि आम लोगों के लिए इस फीचर को अभी पेश किए जाने में देरी है।
मल्टी-मॉडल विजन और बैकग्राउंड में टास्क एग्जीक्यूशन की सुविधा
यह नया लाइव अवतार ऑडियो और विजुअल इनपुट्स को एक साथ प्रोसेस करने की अनोखी क्षमता के साथ आता है। बातचीत के दौरान यह कैमरे के जरिए आपके चेहरे के भावों और हाथ में पकड़ी हुई चीजों को पहचान सकता है और उसी के आधार पर अपनी आवाज व चेहरे के भाव बदलकर सवाल का जवाब देने में सक्षम है। इसकी सबसे बड़ी खासियत यह है कि यह बातचीत के फ़्लो को तोड़े बिना बैकग्राउंड में कई जटिल काम निपटा सकता है। उदाहरण के लिए, यदि बातचीत के दौरान आप इससे किसी दस्तावेज की जांच करने या डेटा खोजने को कहते हैं, तो यह बात करते-करते बैकग्राउंड में काम पूरा करके आपको तुरंत ही इसका रिजल्ट भी दे देता है।
97 भाषाओं में लाइव बातचीत और कस्टम ब्रांड अवतार
ग्लोबल कमर्शियल जरूरतों को ध्यान में रखते हुए इस सिस्टम को 97 अलग-अलग भाषाओं में बातचीत करने में सक्षम बनाया गया है। जब भी यह किसी अन्य भाषा में स्विच करता है, तो उसके बोलने के तरीके के साथ-साथ चेहरे के भाव और लिप-सिंक तुरंत उसी भाषा की टोन के अनुसार ढल जाते हैं। बिजनेस यूजर्स के लिए गूगल ने कई प्री-सेट चेहरों और आवाजों का ऑप्शन दिया है। इसके अलावा, एंटरप्राइज अलाउलिस्टिंग के तहत कंपनियां सिर्फ एक हाई-क्वालिटी फोटो अपलोड करके अपना कस्टम डिजिटल ब्रांड एंबेसडर अवतार भी तैयार कर सकती हैं।
डीपफेक और वॉयस क्लोनिंग रोकने के लिए SynthID का साथ
एआई के जरिए फर्जी वीडियो, डीपफेक और वॉयस क्लोनिंग से होने वाले ऑनलाइन फ्रॉड से निपटने के लिए गूगल ने इसमें सुरक्षा का भी खासा ध्यान रखा है। इस मॉडल द्वारा जनरेट किए गए हर एक ऑडियो और वीडियो फ्रेम में गूगल का इन-बिल्ट SynthID डिजिटल वॉटरमार्क एम्बेड रहेगा। यह वॉटरमार्क इंसानी आंखों या कानों से नहीं पकड़ा जा सकता, लेकिन कोई भी एआई डिटेक्टर टूल इसे तुरंत स्कैन कर लेता है। अगर कोई स्कैमर इस वीडियो या ऑडियो को एडिट, ट्रिम या कंप्रेस करने की कोशिश करता है, तब भी यह इनविजिबल वॉटरमार्क नष्ट नहीं होता, जिससे असली और एआई-जनरेटेड कंटेंट की पहचान तुरंत हो जाती है।